Cloud & AI Drijven De Toekomst Van Slimme Oplossingen

Kenmerken van een Cognitive Computing-systeem

Het complexe systeem voert taken uit die verder gaan dan de blote vervulling van vooraf bepaalde protocollen. Het verzamelt informatie, analyseert, trekt conclusies, gebruikt logica en verbetert continu zijn methoden. Onderdelen van het systeem kunnen in de volgende categorieën gegroepeerd worden:

1. Data-acquisitie

Deze fase omvat het verzamelen van verschillende vormen van informatie, zoals verbale instructies, elektronische berichten, gebruikerscontent en sensoroutputs. Het cloud-computing-systeem, geworteld in het gegeven framework, levert de infrastructuur voor de opslag en het onderhoud van enorme hoeveelheden informatie verzameld uit diverse bronnen.

2. De Data Begrijpen

Na het verzamelen van informatie gaat het systeem over in de verwerkingsfase, waarin de informatie door een reeks operaties gaat zoals cleansing, structurering en analyse. Bijvoorbeeld, wanneer de gebruiker de opdracht geeft: "Speel het stuk muziek," moet het systeem dit ontcijferen als het verzoek van de gebruiker voor een muzikaal stuk om te spelen.

3. Implicaties van de Bevindingen

Het gebruik van kunstmatige intelligentie verbetert de herkenning van patronen in historische informatie, bijvoorbeeld de individuele muzikale voorkeuren of de standaardintervallen tussen gebruikers die hun thermostaten herconfigureren. Deze boost stelt de besluitvormingsprocessen in het systeem in staat om beter geïnformeerd en van hogere kwaliteit te zijn op de lange termijn.

4. Besluitvormingsproces

Het systeem handelt volgens vooraf bepaalde logische regels of geleerde gedragspatronen om te beslissen wat het als volgende zal doen. Het heeft de capaciteit om een film aan te bevelen, een heraanvullingsorder te plaatsen of een persoon te informeren.

5. Voldoen Aan Gebruikersverwachtingen

Ten slotte heeft het systeem de capaciteit om een respons te produceren die geleverd kan worden via stem, tekst of door een aangepaste actie uit te voeren. Meestal is de respons gepersonaliseerd gebaseerd op de informatie die het systeem over de gebruiker heeft geleerd.

Waarom Cloud Computing Belangrijk Is

Zonder cloud computing zouden intelligente systemen niet goed op schaal werken. Hier is waarom de cloud zo belangrijk is:

Flexibiliteit: Cloud-infrastructuur biedt de capaciteit voor het systeem om te schalen op basis van veranderende vraagniveaus. Wanneer er meerdere gebruikers het systeem tegelijkertijd benaderen, maakt de cloud-infrastructuur bronnen on-demand beschikbaar.

Snelheid: Datacenters in de cloud zijn verdeeld over een groot geografisch gebied en hebben verhoogde operationele mogelijkheden, wat instantane en consistente responsiviteit toelaat.

Opslag: Cloud-platforms slaan enorme hoeveelheden data op, wat nodig is voor het trainen van AI-systemen. Cloud-services worden gehost op meerdere locaties over de hele wereld en zijn toegankelijk via een breed scala aan apparaten.

Onderhoud: De taken van de developer omvatten geen server-updates en -onderhoud, aangezien dit de verantwoordelijkheden zijn van de cloud-serviceprovider.

Hoe AI Intelligentie Aandrijft

Kunstmatige intelligentie verbetert de mogelijkheden van systemen met de toevoeging van redeneren, leren en optimalisatiemogelijkheden, wat resulteert in verhoogde operationele effectiviteit. Enkele van de meest voorkomende toepassingen van kunstmatige intelligentie zijn:

Ervaringsleren impliceert dat kunstmatige-intelligentie-algoritmen continu verbeteren naarmate ze groeiende hoeveelheden data absorberen over een periode.

Taal begrijpen: NLP stelt de capaciteit van systemen in om inputs gegeven in menselijke taal te begrijpen en te beantwoorden. Visuele en Auditieve Herkenning: AI kan menselijke gezichten, objecten en auditieve signalen herkennen.

Voorspellende analyse heeft de capaciteit om veel mogelijke uitkomsten te voorspellen; bijvoorbeeld kan het de kans op een vertraging van een zending beoordelen of het product bepalen dat een klant het meest waarschijnlijk interesseert. Generatieve kunstmatige intelligentie voorziet machines van de capaciteit om geschreven content te genereren, programmeertalen te creëren, alsook muzikale en visuele kunstvormen.

Zie ook: Een Chatbot Zonder Personalisatie Heeft Geen Doel. Hier Is Waarom!

Voice-Activated Assistant-technologie: Een Analytisch Framework

Laten we overwegen, als voorbeeld, een bepaald intelligentsysteem, namelijk een stemassistent ingesloten in diverse slimme-speakersystemen.

Iemand vraagt: "Wat zijn de heersende weersomstandigheden in Seattle?"

Het apparaat pikt akoestische golven op en stuurt ze naar een externe server. Cloud-computing-infrastructuur transcribeert dan verbale uitwisselingen in geschreven vorm. Begrijp het belang van de uitspraak. Lever de correcte meteorologische informatie.

Geef een audio-output: "Het weer in Seattle is momenteel heldere lucht met een temperatuur van 72 graden Fahrenheit."

Figuur 1: High-level voice-assistancesysteemarchitectuur

Het diagram biedt een algemeen overzicht van de algehele infrastructuur van een cloud-intelligente stemassistentsysteem en de manier waarop een simpele stemquery – "Hey Alexa, wat is het weer in Seattle?" – getransformeerd kan worden in een natuurlijke en begrijpelijke respons door het gebruik van cloud- en kunstmatige-intelligentie-technologieën.

Aan de kant van de gebruiker verschijnt de steminterface als het startpunt van de gebruikerssessie. De gebruiker spreekt een natuurlijke-taal-stemcommando in een slimme speaker of, ideaal, een display. Er bestaat in het slimme apparaat een microfoon alsook een processor, en daarom kan het luisteren naar geluid en in een luistertoestand blijven voor een vooraf bepaald wake-word, in dit geval de naam "Alexa." Bij het horen van het wake-word begint het apparaat met het opnemen van het commando van de gebruiker en transmiteert het geluidsbestand over een beveiligd pad naar de cloud-servers voor verwerking.

De echte intelligentie gebeurt in de cloud-verwerkingssectie geïllustreerd aan de rechterkant van het diagram. Automatic Speech Recognition of ASR, in de eerste pijplijnfasering in de cloud, transformeert de rauwe audiostroom in tekst. Het is een stuk ingewikkelder dan het lijkt; het moet luisteren naar verschillende accenten, achtergrondgeluid elimineren, en de subtiliteit van stem in real-time horen. ASR-modellen getraind op massive sets van opnames van veel verschillende stemmen om de gesproken woorden zo nauwkeurig mogelijk vast te leggen en ze om te zetten in tekstvorm, "Hoe is het weer in Seattle?"

Daarna gaat het systeem over in de Natural Language Understanding (NLU)-fase, waarin de intentie van de gebruiker ontcijferd wordt. Het converteren van de stem van de gebruiker in tekst is niet genoeg; de assistent moet ook de intentie van de query en de informatie of de entiteiten begrijpen die genoemd worden, namelijk de stad "Seattle." Kunstmatige-intelligentie-modellen getraind in natural language processing zijn betrokken bij het begrijpen van de intentie van de gebruiker om naar het weer in "Seattle" te vragen als de gewenste stad. De assistent moet ook rekening houden met de vaagheid van de woorden, synoniemen en de context voor de request om op de juiste manier geïnterpreteerd te worden.

Nadat het systeem een volledig begrip van de query heeft verkregen, gaat het over in de Knowledge and Reasoning-fase. Nu, in deze fase, selecteert de assistent de manier waarop het correcte weerinformatie zal benaderen, het meest natuurlijk door een autoritatieve externe service te bevragen, namelijk een weerdatabase of API. Het systeem past geleerde algoritmen of vastgesteld gedrag toe bij het verwerken van ontvangen informatie; bijvoorbeeld kan het concluderen dat het momenteel dag is in Seattle en een respons construeren gebaseerd op deze inferentie. Als de gebruiker de query vraagt, "Hoe is het weer?", kan het systeem geolocatie-informatie of eerdere voorkeuren opgeslagen in het systeem gebruiken om "Seattle" af te leiden als de meest waarschijnlijke locatie.

Na het verzamelen van de vereiste informatie gaat de assistent over in de Natural Language Generation (NLG)-fase, waarin informatie in een gestructureerde vorm wordt vertaald in grammaticaal correcte, leesbare tekst in een acceptabele vorm voor mensen. De rauwe informatie, bijvoorbeeld {temperatuur: 72°F, conditie: zonnig} wordt herschreven in "Het Seattle-weer is 72 graden en zonnig." Het systeem kan de correcte formulering gebruiken, grammatische vereisten volgen en leuke variatie in de zin toevoegen bij elke herhaling in een poging om het zo natuurlijk mogelijk te maken. Voordat een respons voor de gebruiker vrijgegeven kan worden, gebruikt het systeem ook de Text-to-Speech (TTS)-technologie in een poging om de resulterende tekst in geluidsvorm om te zetten. Dit omvat de creatie van hoorbare output, normaal met een gegeven stemprofiel van vriendelijk gesprek en goede uitleg. Het audiobestand wordt daarna over het internet gestreamd met het oog op het leveren van een heldere, natuurlijk klinkende respons aan de gebruiker binnen seconden na de oorspronkelijke uitspraak.